최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.21 no.8, 2018년, pp.849 - 857
김경환 (Dept. of Electronics and Information Eng., Hansung University) , 정성훈 (Dept. of Electronics and Information Eng., Hansung University)
In this paper, we propose an automatic composition method using time series embedding of RNN Auto-Encoder. RNN Auto-Encoder can learn existing songs and can compose new songs from the trained RNN decoder. If one song is fully trained in the RNN Auto-Encoder, the song is embedded into the vector valu...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
인공신경망으로 작곡할 때 갖는 장점은 무엇인가? | 마디구분으로 사용하는 수는 그 값 자체가 중요한 것이 아니라 학습 시와 작곡 시에 마디를 구분만하면 되는 것이기 때문에 무작위로 만들어도 된다. 학습된 인공신경망으로 작곡 할 때 학습 시 사용한 마디구분을 이용하여 곡의 위치를 설정할 수 있으며 또한 학습 시에 사용한 마디구분 값을 변형함으로서 작곡하는 멜로디에 변형을 가할 수 있는 등 많은 장점이 있다. 더 나아가 작곡 시에 마디구분을 반복적으로 배치함으로서 반복적인 곡을 생성할 수 있다. | |
Auto-Encoder는 어떤 것인가? | Auto-Encoder는 출력레이블 없이 입력 데이터만으로 신경망을 학습하여 은닉층에 데이터의 특징을 압축시키는 비지도 학습 방법이다. Encoder와 Decoder로 구성되어 있으며 Fig. | |
인공신경망이 출력한 곡이 지닌 문제는 무엇인가? | 그러나 인공신경망이 출력한 음표/쉼표/박자는 학습된 음표/쉼표/박자 공간의 값을 출력한 것으로 음악적 이론에 맞지 않는 경우가 종종 발생한다. 박자의 경우 못갖춘마디가 발생하고 음표의 경우 특정 조성에 없는 음이 발생하거나 마디 내에서 어울리지 않는 화성의 음표가 발생하기도 한다. 이를 해결하기 위하여 박자후처리, 화성후처리, 조성후처리를 수행하였다[11]. |
B. Johanson and R. Poli, "GP-music: An Interactive Genetic Programming System for Music Generation with Automated Fitness Raters," Proceeding of the Third Annual Conference, pp. 181-186, 1998.
N. Tokui and H. Iba, "Music Composition with Interactive Evolutionary Computation," Proceeding of the Third International Conference on Generative Art, pp. 215-226, 2000.
C. Chen and R. Miikkulainen, "Creating Melodies with Evolving Recurrent Neural Networks," Proceedings of the 2001 International Joint Conference on Neural Networks, pp. 2241-2246, 2001.
T. Oliwa and M. Wagner, "Composing Music with Neural Networks and Probabilistic Finitestate Machines," Applications of Evolutionary Computing, pp. 503-508, 2008.
H. Kim, B. Kim, and B. Zhang, "Learning Music and Generation of Crossover Music Using Evolutionary Hypernetworks," Proceeding of Korea Computer Congress, pp. 134-138, 2009.
G. Bickerman, S. Bosley, P. Swire, and Rober M. Keller, "Learning to Create Jazz Melodies Using Deep Belief Nets," Proceeding of the International Conference on Computational Creativity, pp. 228-237, 2010.
A.E. Coca, R.A.F. Romero, and L. Zhao, "Generation of Composed Musical Structures Through Recurrent Neural Networks Based on Chaotic Inspiration," Proceeding of International Joint Conference on Neural Networks, pp. 3220-3226, 2011.
J.D. Fernandez and F. Vico, "AI Methods in Algorithmic Composition: A Comprehensive Survey," Journal of Artificial Intelligence Research, Vol. 48, pp. 513-582, 2013.
J. Cho, E.M. Ryu, J. Oh, and S.H. Jung, "Training Method of Artificial Neural Networks for Implementation of Automatic Composition Systems," Korea Information Processing Society Transactions on Software and Data Engineering, Vol. 3, No. 8, pp. 315-320, 2014.
K. Kim and S.H. Jung, "Automatic Generation of a Configured Song with Hierarchical Artificial Neural Networks," Journal of Korea Digital Contents Society, Vol. 18, No. 4, pp. 641-647, 2017.
S. Nitish, M. Elman, and S. Ruslan, "Unsupervised Learning of Video Representations Using LSTMs," Proceeding of the 32nd International Conference on Machine Learning, Vol. 37, No. 10, pp. 843-852, 2015.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.